评估指标

研究人员提出“工具效率”与“边际工具效用”两项新指标，为评估大语言模型工具调用性能提供量化标准，助力构建更精简高效的工具套件。

研究者提出一套基于归纳逻辑编程的客观指标，用于量化强化学习策略的可解释性，为安全关键和人机协作场景提供更透明的决策依据。

研究发现，在长程工具使用智能体评估中，传统精确匹配检索召回率可能低估下游政策效用，实际分类性能差距远小于指标暗示。